Por qué tu IDE y tu Compilador necesitan IAs opuestas

Cuando integras Inteligencia Artificial Generativa en todo el ciclo de vida de tu software, cometes rápidamente el primer error de novato: usar el mismo proveedor (como OpenAI o Google Gemini) para todo.

En mercedev.es, el ecosistema está gobernado por IA en dos frentes masivos: 1. El Entorno de Desarrollo (IDE Antigravity): Donde programo, refactorizo y debato sobre arquitectura. 2. El Pipeline de Compilación (merci-publish): Donde un ejército de agentes genera metadatos, saludos y resúmenes para decenas de artículos en tiempo de compilación.

Si usas la API de Google para ambos, te quedarás sin cuota gratuita (Error HTTP 429 - Too Many Requests) antes de terminar el día. ¿La solución? Diseñar dos Pilas Híbridas de Enrutamiento (Hybrid Stacks) con reglas de negocio estrictamente invertidas.

1. El Router del IDE: Inteligencia Máxima ➔ Supervivencia Local

Cuando abro la terminal y escribo mi alias de desarrollo, se levanta un servidor de litellm configurado con una directiva muy clara: Priorizar el coeficiente intelectual.

En programación, un error de contexto de la IA te cuesta horas de depuración. Por tanto, el enrutador del IDE funciona así: - Intento Primario (Cloud): Todas las consultas van directas a Google Gemini 2.5 Flash (o modelos equivalentes de altísima capacidad). - Fallback de Emergencia (Local): Si Google me bloquea por límite de tokens o se cae el internet, litellm intercepta el error HTTP y deriva la consulta silenciosamente a LM Studio (qwen2.5-coder) ejecutándose en mi propio hardware (puerto 1234).

[!TIP] El resultado: Pierdo un porcentaje de inteligencia o contexto, pero sigo programando sin interrupciones y a coste cero. Es pura "Degradación Elegante" (Graceful Degradation).

2. El Router del Compilador: Ahorro Máximo ➔ Rescate Cloud ➔ Circuit Breaker

El pipeline de compilación estática es una bestia muy distinta. Generar 100 meta-descripciones SEO o saludar a los lectores de un artículo no requiere un modelo de 175 mil millones de parámetros. Gastar tokens de la nube en esto es un crimen arquitectónico.

Por eso, el script merci-brain.py (el Lóbulo Frontal del compilador) invierte las reglas: - Intento Primario (Local): Todas las peticiones bombardean implacablemente a Ollama (qwen2.5-coder) en el puerto 11434. Es rápido, privado y 100% gratuito. Cero desgaste de cuotas. - Red de Seguridad (Cloud): Si el servidor de Ollama se cae (o si el Chaos Monkey lo sabotea durante las pruebas de CI/CD), el sistema redirige el tráfico hacia el proxy de Gemini en la nube para asegurar que la web se pueda desplegar sí o sí. - El Cortacircuitos (Circuit Breaker): ¿Y si Gemini también falla? A diferencia del IDE, el compilador no sigue buscando alternativas. Activa un Cortacircuitos: suspende las llamadas a la red e inyecta una Contingencia Estática (ej. [Fallback] Bienvenido al artículo...) en el resto del sitio web.

[!IMPORTANT] El resultado: El pipeline de integración continua finaliza con Exit Code 0. La web se publica a tiempo con latencia 0ms, sacrificando personalización dinámica a cambio de resiliencia absoluta.

Conclusión

Una estrategia DevSecOps madura no trata a la IA como un bloque monolítico. Obliga a que cada pieza del engranaje use los recursos de forma asimétrica.

• Tu IDE debe Gastar Nube para ganar Tiempo.
• Tu Compilador debe Gastar Hardware para ganar Resiliencia.

Y al final, un buen Cortacircuitos siempre será tu mejor ingeniero de guardia.